2018年11月16日，SIAM Fellow、新加坡国立大学 Toh Kim-Chuan教授访问我院，并在子彬院北205室为我校师生进行了以“An Efficient Semismooth Newton Based Algorithm for Convex Clustering”为题目的学术报告。此次报告由我院青年研究员郦旭东主持。
Toh教授首先介绍了聚类问题以及其基本模型与算法。之后，针对基本模型缺乏凸性这一特点，Toh教授简要介绍了近日由Hocking et al 和 Lindsten et al 提出的非凸基本模型的一个凸松弛sum-of-norms (SON) 模型。现有求解SON模型的一阶算法（如ADMM与AMA）对小问题比较有效。然而这些算法在大规模问题的求解上表现依然欠佳。为快速精确求解大规模SON模型，Toh 教授提出了基于半光滑牛顿法的增广拉格朗日算法（SSNAL）。之后，Toh教授仔细分析了SSNAL算法每一步迭代所涉及到的广义雅可比矩阵的二阶稀疏性质，并讲解了如何利用这个重要性质加速SSNAL 算法。同时，Toh教授还介绍了非一致权重SON模型的统计恢复性质。然后，Toh教授利用实际算例将SSNAL算法与现有算法进行了比较，展示了SSNAL算法优越的数值效果。
最后，Toh Kim-Chuan教授回答了在场师生的提问并同大家进行了热情交流，本次报告会圆满结束。